CN111544001A - 一种非接触式呼吸暂停检测装置及方法 - Google Patents
一种非接触式呼吸暂停检测装置及方法 Download PDFInfo
- Publication number
- CN111544001A CN111544001A CN202010357492.5A CN202010357492A CN111544001A CN 111544001 A CN111544001 A CN 111544001A CN 202010357492 A CN202010357492 A CN 202010357492A CN 111544001 A CN111544001 A CN 111544001A
- Authority
- CN
- China
- Prior art keywords
- video
- chest
- abdomen
- apnea
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Abstract
本发明公开一种非接触式呼吸暂停检测装置及方法,该呼吸暂停检测装置通过摄像头拍摄被检者在睡眠或安静状态下的包含胸部和腹部的呼吸视频,对该视频进行空间金字塔分解,并对分解后的金字塔层分别进行时域带通滤波,获得与胸腹部呼吸动作相关的频段,再对该频段的信号进行放大,提取放大后的感兴趣区域像素点的亮度信息,计算呼吸率,并通过设置亮度信息的动态阈值判别正常呼吸和异常呼吸状态。据此能够正确判定拍摄视频中被检者出现的所有呼吸暂停状态。本发明能够通过拍摄到的人体睡眠或安静状态下的视频图像正确地检测出被拍摄者的呼吸率,并正确判断出视频记录期间是否出现呼吸暂停。
Description
技术领域
本发明涉及一种非接触式呼吸暂停检测装置及方法,以非接触式的方式监视睡眠中的被检者的呼吸状态,对睡眠中发生的呼吸暂停状态,即所谓的呼吸暂停综合征进行判定。
背景技术
睡眠呼吸暂停综合征是一种常见的与睡眠相关的呼吸系统疾病,严重威胁着人们的睡眠健康。
医学上将睡眠过程中口鼻气流停止大于等于10秒定义为睡眠呼吸暂停综合征,常用呼吸暂停低通气指数(AHI)评价其严重程度,即睡眠中平均每小时呼吸暂停加低通气次数,分为轻微(5≤AHI<15次)、中度(15≤AHI<30次)和重度(≥30次)三个等级。医学上根据造成睡眠呼吸暂停的原因,将睡眠呼吸暂停综合征可分为三种情况:阻塞性睡眠呼吸暂停(OSA),中枢性睡眠呼吸暂停(CSA)以及混合性睡眠呼吸暂停(MSA)。OSA是由上呼吸道狭窄引起的呼吸气道不通畅所致,OSA发生时,口鼻无呼吸气流,胸部无呼吸运动但腹部呼吸运动仍然存在。OSA是睡眠呼吸暂停类型综合征中最为常见的类型。CSA是因脑内呼吸中枢功能障碍所致,临床表现为口鼻无呼吸气流,并且胸腹部均无呼吸运动。单纯的CSA非常少见,一般不超过10%。MSA的发生机制可能是由于某种因素使呼吸中枢驱动力减弱,不能产生有效的呼吸运动,而出现CSA。继之,随着呼吸暂停时间的延长,呼吸中枢驱动力增强,胸腹呼吸运动恢复,但尚不足以打开闭塞的上气道,则表现为OSA。MSA目前暂无确切的定义。
传统多导睡眠描记术(PSG)是国际公认的睡眠呼吸暂停综合征测量的金标准。它监测睡眠期间的各种生理参数,包括脑电图(EEG),眼电图(EOG),肌电图(EMG),心电图(ECG),血氧饱和度,胸腹呼吸动作,口鼻呼吸气流等等。
但是这种接触式检测方法必须在医院环境中进行检测,需要让睡眠技术人员在夜间出勤,并且需要专业的医生手动“评分”所得到的测量值,因此检测费用相对昂贵。全球各个睡眠检测中心目前正在满负荷运行用于检测人体的睡眠健康,因此PSG设备资源也非常紧张。
并且,PSG检测时需要将30个电极连接到人体,这将严重影响使用体验并在睡眠期间对人体造成严重的干扰。同时在检测过程中可能发生电极脱落的问题,导致信号不稳定,降低检测结果的准确性与稳定性。
因此,对被检者的呼吸暂停诊断方式,最好可以在被检者自己家中等可以放松的场所中进行,并且,对呼吸暂停的检测也最好以与被检者非接触式的方式进行。
针对上述需求,人们提出了很多方案,例如,利用多普勒雷达测量胸腹部运动的方法,可实现非接触式测量,并具有无需住院的优点。然而,该方法对于复杂的应用环境和不断变化的呼吸特性有一定的局限性。并且多普勒雷达的能量或幅度很可能受到人体在床上的位置和姿势的影响。雷达还具有一定量的电磁辐射,不是长期家用的首选方案。
此外,还已知一种利用视频监控来确定被检者呼吸运动的缺失来检测睡眠呼吸暂停的方法。由于视频监控可实时记录被检者的睡眠运动状态,并且无需与被检者有任何身体接触,可在家中进行检测,因此有望利用该特性实现对被检者的家用非接触式睡眠呼吸暂停检测。
然而,在现有已知的视频监控检测呼吸暂停技术中,存在检测准确度低的问题,并且即使能够简单地检测出睡眠时的呼吸状态,但仍然无法正确测定睡眠中出现的不同类型的呼吸暂停状态。
发明内容
针对上述问题,本发明提出一种非接触式的呼吸暂停判定装置及方法,能够简单且正确地检出睡眠中的呼吸及呼吸暂停状态。
本发明非接触式的呼吸暂停判定装置及方法,具体如下:
通过视频图像采集部用于获取被检者睡眠或安静状态下的呼吸视频,视频图像中包含被检者的胸部及腹部区域。
通过视频放大器用于对视频图像进行放大,得到放大后的视频帧图像。
通过ROI选取装置用于选取视频帧图像中呼吸运动变化明显的胸部及腹部分别作为两个感兴趣区域。
通过呼吸率及呼吸信号提取装置用于提取感兴趣区域像素的亮度信息,计算被检者的呼吸率,提取呼吸信号。
通过胸腹部运动检出部中设置动态阈值,根据比较前一时刻感兴趣区域的亮度信息与动态阈值间的大小,检测出胸腹部呼吸运动缺失的时间段。
通过呼吸状态判定部用于根据上一步骤的检测结果,比较同一时刻下的两个感兴趣区域的呼吸状态,判定被检者的呼吸类型。
通过通知装置用于显示呼吸状态信息,输出呼吸暂停警报信号。
本发明的优点为:利用视频监控被检者睡眠的方式,能够简单且正确地检出睡眠中的呼吸及呼吸暂停状态,并能够分辨出只有胸部停止运动而腹部动作的呼吸暂停状态以及胸部和腹部同时停止运动的呼吸暂停状态。
附图说明
图1为本发明呼吸暂停检测装置及方法结构模块图;
图2为本发明呼吸暂停检测装置及方法中视频放大装置结构的功能模块图;
图3为本发明呼吸暂停检测装置及方法中金字塔分解部的原理示意图;
图4为本发明呼吸暂停检测装置及方法中金字塔分解结果示意图;
图5为本发明呼吸暂停检测装置及方法中帧间差分法的原理示意图。
图6为本发明呼吸暂停检测装置及方法中胸腹运动检测出部所采用的动态阈值检测法的原理示意图;
图7为本发明呼吸暂停检测装置及方法中的一个样本视频序列中感兴趣区域亮度变化曲线图。
图8为本发明呼吸暂停检测装置及方法中采集到的被检者视频序列感兴趣区域亮度信息频域信息示意图。
具体实施方式
下面结合附图对本发明做进一步详细说明。
本发明非接触式呼吸暂停检测装置,包括视频图像采集部、视频放大器、ROI(感兴趣区域)选取装置、呼吸率及呼吸信号提取装置、胸腹部运动检出部、呼吸状态判定部与通知装置,如图1所示。
所述视频图像采集部为摄像头,用于对被检者进行视频采集。将摄像机固定在与被检者合适的距离之内,保证图像画面中包含被检者的胸部及腹部。若在夜晚无光照的情况下拍摄,可使用具有夜视功能的普通摄像头。摄像机拍摄的视频图像(video)输入到视频放大装置中。
所述视频放大装置用于对视频图像进行放大。由于呼吸运动信号主要表现为胸腹部的起伏运动,然而这种运动在视频中是非常微弱的,不利于呼吸信号的提取。因此,视频放大装置采用改进的欧拉视频放大法对视频进行预处理,放大后的呼吸运动的幅值使胸腹的呼吸运动更加明显,有利于更好的从视频中提取呼吸波形。
如图2所示,视频放大装置中主要包括金字塔分解部、时域滤波部和运动放大部。
其中,金字塔分解部用于对视频序列进行空间滤波,以得到不同的空间频率的基带,由此达到以下效果:i.有助于减少噪声。图像在不同空间频率下呈现出不同的SNR(信噪比)。一般来说,空间频率越低,信噪比反而越高。因此,为了防止失真,这些基带应该使用不同的放大倍数。最顶层的图像,即空间频率最低、信噪比最高的图像,可使用最大的放大倍数,下一层的放大倍数依次减小。ii.便于对图像信号的逼近。空间频率较高的图像(如原视频图像)可能难以用泰勒级数展开来逼近。因为在这种情况下,逼近的结果就会出现混淆,直接放大就会出现明显失真。由于空间滤波的目的只是简单的将多个相邻的像素“拼”成一块,所以可以使用低通滤波器来进行。为了加快运算速度,还可以顺便进行下采样操作,实际上就是使用拉普拉斯金字塔或高斯金字塔来进行多分辨率分解。
如图3所示,具体方法为:
A、高斯低通滤波
设j级为输入图像,将输入图像进行高斯低通滤波,滤波函数为:
其中,D(u,v)为(u,v)距离傅里叶变换原点的距离,u,v为是像素的坐标位置,δ为高斯滤波器的带宽,决定了平滑的程度,δ越大,高斯滤波器对应的频带就越宽,平滑程度就越好。
B、下采样
通过抛去图像中的偶数行和偶数列来实现下采样,使图像长宽各减少二分之一,面积减少四分之一,此时的下采样结果就是j-1级近似图像。
C、获得高斯金字塔
将步骤B中得到的j-1级图像作为输入,重复上述过程,最终得到高斯金字塔。
D、获得拉普拉斯金字塔
在上述高斯金字塔的运算过程中,图像经过卷积和下采样操作会丢失部分高频细节信息。为描述这些高频信息,人们定义了拉普拉斯金字塔(LaplacianPyramid,LP),即用高斯金字塔的每一层图像减去其上一层图像上采样并高斯卷积之后的预测图像,得到一系列的残差图像即为拉普拉斯金字塔分解图像,具体方法如下:
通过前述步骤得到高斯金字塔后,将j-1级近似图像做上述逆过程,即以同样的步长进行上采样,再通过相同的高斯低通滤波器后与原j级图像做差,得到j级图像预测残差,此时便得到了拉普拉斯金字塔的一层图像,再将j-1级图像作为输入图像,重复上述步骤便可得到完整的拉普拉斯金字塔,如图4所示。
将原视频的每一帧图像进行空间拉普拉斯金字塔分解,得到不同空间频率的基带(PL),作为基带输出。
上述空间金字塔分解层数根据输入的视频帧图像大小所决定,以2为步长进行下采样和上采样。
所述时域滤波部用于对每个基带(PL)进行时域带通滤波,提取出感兴趣频段的信号(PLR)。滤波器设计为无限脉冲响应带通滤波器,通带范围可由用户自己选择。本发明中根据成年人平静时呼吸频率约为14~20次/min设定带通滤波器的通带频率为0.05~1Hz。若只需提取特定对象的呼吸频率,则可选取更窄的通频带,以去除更多的运动干扰,获得更好的提取效果。上述带通滤波的结果,就是对感兴趣的呼吸变化的逼近。
所述运动放大部用于对感兴趣频段的信号(PLR)进行放大。以放大一维的信号为例进行说明,二维的图像信号与此类似,具体如下:
令I(x,t)为在图像上的任意位置x和任意时间t处的亮度值,δ(t)为位移函数,则有:
I(x,t)=f(x+δ(t)),I(x,0)=f(x) (2)
最终运动放大的目的是合成信号:
其中,α为放大倍数,本发明中放大倍数α为20。
将t时刻的运动后信号f(x+δ(t))进行一阶泰勒级数展开,则可近似得到:
用B(x,t)表示I(x,t)在每一个x位置处的时域带通滤波结果,设感兴趣运动信号δ(t)均包含在通带范围内,则有:
将时域滤波结果B(x,t)放大α倍后加回原信号中,则得到:
合并方程(4)、(5)、(6)可得:
则,按照一阶泰勒级数展开式,可近似得到:
通过式(8)便得到原信号f(x)的空间位移信号δ(t)被放大了α倍后的信号。
因此,通过上述泰勒级数逼近方式对滤波得到的感兴趣频段信号(PLR)进行放大,再将放大后的PLR加回到视频原图像中,得到放大后的视频图像序列(Mag frames)。
传统欧拉视频放大法采用的是将放大后的图像序列(Mag frames)进行视频重构作为结果输出。但该重构方法计算耗时相对较长,不利于实时呼吸率提取的应用,因此,本发明采用直接输出放大后的图像序列进行后续分析,舍弃传统欧拉视频放大法的视频重构步骤,以提高计算速率,节省计算机储存空间。
所述ROI选取装置利用帧间差分法快速确定视频图像中被检者呼吸运动明显的区域,并将差分结果区分为胸部和腹部以及其他区域,最终将胸部腹部呼吸运动明显的区域分别选取为两个感兴趣区域(ROIK和ROIF)。采用帧间差分法实现简单,设计复杂度低;对光线等场景变化不太敏感,能够适应各种动态环境,稳定性较好。
如图5所示,上述帧间差分法的具体方法为:
记视频序列中第n帧和第1帧图像为fn和f1,两帧对应像素点的灰度值记为fn(x,y)和f1(x,y),按照下式(9)将两帧图像对应的像素点的灰度值进行相减,得到差分图像Dn:
Dn(x,y)=|fn(x,y)-f1(x,y)| (9)
设定阈值T,按照下式(9)逐个对差分图像像素点进行二值化处理,得到二值化图像R′n:
其中,灰度值为255的点为前景(运动目标点),灰度值为0的点即为背景点。对图像Rn’进行连通性分析,最终可得到含有完整运动目标的图像Rn。
所述呼吸率及呼吸信号提取装置,分别对每一帧图像进行处理,分别计算得到两个感兴趣区域(ROIK和ROIF)内像素值的亮度信息总和(IROI K和IROI F),同时还可选取呼吸信号对应的频带对亮度信息(IROI K和IROI F)分别进行带通滤波,以提取呼吸信号曲线(RK和RF),再分别对感兴趣区域(ROIK和ROIF)亮度信息总和值(IROI K和IROI F)进行傅里叶变换,从傅里叶变换结果(IROI f)中提取呼吸率(RR)。
所述胸腹部运动状态检出部用于输入对每一帧图像处理得到的两个感兴趣区域亮度信息总和(IROI K和IROI F),并设计一种动态阈值比较法,分别用每一帧图像的感兴趣区域亮度信息总和与各帧对应的动态阈值thrn进行比较,以确定当前是否存在异常呼吸状态,输出包含所述者的胸部状态数据(Ks)和腹部状态数据(Fs)的胸腹部状态数据(Ts),具体方法为:
用thrn表示第n帧的阈值,InROI表示第n帧图像感兴趣区域的亮度值,则应用于第n+1帧图像的阈值thrn+1计算公式如下:
thrn+1=β·thrn+(1-β)InROI
其中,β为经验系数,决定thrn和InROI的权重系数,β与阈值的变化率成反比。
如图6所示,根据当前处理帧的动态阈值thrn和当前处理帧中胸部或腹部亮度信息总和,采用S0、S1和S2三种状态表示任意时刻的判断行为。最初,系统处于呼吸正常状态为S0,即当前计算的图像感兴趣区域的亮度信息总和IROI(IROIK和IROI F)大于对应帧的动态阈值thrn。如果InROI低于阈值thrn,则系统状态变为中间状态(S1),并重置定时器t开始计时,以表示可能开始出现运动缺失。如果动态阈值thrn在相当长的一段时间内(10s)连续超过后续帧的亮度值,则此时系统进入呼吸异常状态(S2)。因此,如果运行时间t超过10秒,系统将进入S2状态(“呼吸异常”)。另一方面,如果在10秒内,当前帧的强度值超过阈值,系统将恢复到起始状态S0。同样,当前帧的IROI强度一直低于该帧的阈值时,系统将继续处于S2状态。
将两个感兴趣区域亮度信息总和分别输入到胸腹运动检出部,根据上述检出原理,可分别检测出胸腹部呼吸运动缺失的时间段。
根据胸腹部运动状态检出部的检测结果,由呼吸状态判定部比较同一时刻下胸腹部两个感兴趣区域的呼吸运动情况(Ts),分别确定出被检者的呼吸状态(Rp),即,胸腹部呼吸运动同时存在为正常呼吸状态;胸部呼吸运动缺失,腹部呼吸运动存在,为阻塞性睡眠呼吸暂停状态;胸腹部呼吸运动均缺失,为中枢性睡眠呼吸暂停状态。
所述通知装置包括存储部、判断部、通信部与显示部。通知装置输入呼吸类型数据(RP)的同时输出呼吸类型存储数据(Sd)到存储部中进行存储。通知判断部用来将呼吸类型存储数据(Sd)作为输入,并输出通知指示信号(Ed)。通信部用于将通知指示信号(Ed)作为输入,并输出所述呼吸暂停警报信号(N)。显示部用于显示所述呼吸类型数据(RP)。
根据本发明的实施例,通过视频监控被检者的睡眠状态,能够简单且正确地检出睡眠中的呼吸及呼吸暂停状态,并能够分辨出只有胸部停止运动而腹部动作的呼吸暂停状态以及胸部和腹部同时停止运动的呼吸暂停状态。
实施例:
首先,利用视频采集装置对被检者进行视频采集,将摄像机固定在与被检者合适的距离之内,保证图像画面中包含被检者的胸部及腹部。摄像机与被检者的距离为1米,摄像机的图像分辨率为2048×2048,采集帧率为10帧/秒,光照条件为普通照明灯。若在夜晚无光照的情况下拍摄,可使用具有夜视功能的普通摄像头。
其次,将拍摄好的视频图像(video)输入到视频放大装置中,空间金字塔分解层数根据输入的视频帧图像大小所决定,以2为步长进行下采样和上采样,如输入图像大小为2048×2048,则空间金字塔分解层数为10层。紧接着依次对每一图像构建的金字塔图像进行时域滤波,滤波器设计为无限脉冲响应带通滤波器,通带范围可由用户自己选择,本实施例中采用的通带范围是0.05-0.4Hz,得到的滤波后的感兴趣频带结果再进行放大,此实施例的放大倍数α为20,得到放大后的感兴趣频段(filtered),再将放大后的感兴趣频段进行金字塔重构,将重构后的图像加回到原视频图像中,输出经过放大后的视频帧图像(Magframes)。
然后,向感兴趣区域(ROI)选取装置输入放大后的视频帧图像(Mag frames)利用帧间差分法,选取不同帧做差,确定出视频中呼吸运动变化最明显的地方,并区分出胸腹部,分别作为两个感兴趣区域(ROIK和ROIF)。
接着,呼吸率及呼吸信号提取装置分别计算每一帧图像的两个感兴趣区域(ROIK和ROIF)内像素值的亮度信息总和(IROI K和IROI F),并选取呼吸信号对应的频带对亮度信息总和分别进行带通滤波,根据成年人平静时呼吸频率约为14~20次/min设定带通滤波器的通带频率为0.2~0.4Hz,提取呼吸信号曲线(RK和RF),如图7所示。并分别对感兴趣区域亮度信息总和进行傅里叶变换,从傅里叶变换结果(IROI f)中提取呼吸率(RR),如图8所示。
另一方面,将两个感兴趣区域亮度信息总和分别输入到胸腹运动检出部,根据动态阈值比较法,以确定当前是否存在异常呼吸状态,输出包含所述者的胸部状态数据(Ks)和腹部状态数据(Fs)的胸腹部状态数据(Ts)。
由呼吸状态判定部通过比较同一时刻下胸腹部两个感兴趣区域的呼吸运动情况(Ts),可分别确定出被检者的呼吸状态(Rp),即,胸腹部呼吸运动同时存在为正常呼吸状态;胸部呼吸运动缺失,腹部呼吸运动存在,为阻塞性睡眠呼吸暂停状态;胸腹部呼吸运动均缺失,为中枢性睡眠呼吸暂停状态。
最后将判定结果(Rp)通过通知装置向被检者进行报警或提示。
Claims (8)
1.一种非接触式呼吸暂停检测装置,其特征在于:视频图像采集部、视频放大器、ROI选取装置、呼吸率及呼吸信号提取装置、胸腹部运动检出部与通知装置;
所述视频图像采集部用于获取被检者睡眠或安静状态下的呼吸视频,视频图像中包含被检者的胸部及腹部区域;
所述视频放大器用于对视频图像进行放大,得到放大后的视频帧图像;
所述ROI选取装置用于选取视频帧图像中呼吸运动变化明显的胸部及腹部分别作为两个感兴趣区域;
所述呼吸率及呼吸信号提取装置用于提取感兴趣区域像素的亮度信息,计算被检者的呼吸率,提取呼吸信号;
所述胸腹部运动检出部中设置动态阈值,根据比较前一时刻感兴趣区域的亮度信息与动态阈值间的大小,检测出胸腹部呼吸运动缺失的时间段;
所述呼吸状态判定部用于根据上一步骤的检测结果,比较同一时刻下的两个感兴趣区域的呼吸状态,判定被检者的呼吸类型;
所述通知装置用于显示呼吸状态信息,输出呼吸暂停警报信号。
2.如权利要求1所述一种非接触式呼吸暂停检测装置,其特征在于:视频图像采集部为具有夜视功能的摄像头。
3.一种非接触式呼吸暂停检测装置,其特征在于:通知装置包括存储部、通知判断部、通信部与显示部;通知装置输入呼吸类型数据的同时输出呼吸类型存储数据到存储部中进行存储;通知判断部用来将呼吸类型存储数据作为输入,并输出通知指示信号;通信部用于将通知指示信号作为输入,并输出所述呼吸暂停警报信号;显示部用于显示所述呼吸类型数据。
4.一种非接触式呼吸暂停检测方法,其特征在于:通过下述步骤实现:
步骤a:通过视频图像采集部用于获取被检者睡眠或安静状态下的呼吸视频,视频图像中包含被检者的胸部及腹部区域;
步骤b:对视频图像进行放大后,得到放大后的视频帧图像;
步骤c:选取视频帧图像中呼吸运动变化明显的胸部及腹部分别作为两个感兴趣区域;
步骤d:每一帧计算得到的感兴趣区域亮度值总和,并计算被检者的呼吸率,提取呼吸信号;
步骤e:根据比较前一时刻感兴趣区域的亮度信息与动态阈值间的大小,检测出胸腹部呼吸运动缺失的时间段;
步骤f:根据上一步骤的检测结果,比较同一时刻下的两个感兴趣区域的呼吸状态,判定被检者的呼吸类型;
步骤g:显示呼吸状态信息,输出呼吸暂停警报信号。
5.如权利要求4所述一种非接触式呼吸暂停检测方法,其特征在于:步骤b的具体方法为:
A、输入图像进行高斯低通滤波;
B、通过抛去图像中的偶数行和偶数列来实现下采样;
C、获得高斯金字塔;
D、获得拉普拉斯金字塔,将原视频的每一帧图像进行空间拉普拉斯金字塔分解,得到包含不同空间频率的基带。
E、对每个基带进行时域带通滤波,输出拉普拉斯金字塔各层感兴趣频段信息;
F、对各层感兴趣频段信息进行放大,将放大后的信号进行金字塔重构加回到原图像中,输出放大后的视频帧图像。
6.如权利要求4所述一种非接触式呼吸暂停检测方法,其特征在于:步骤c中,利用帧间差分法找到视频图像中被检者身体运动变化明显的区域,并将其区分为胸部和腹部以及其他区域,最终将胸部腹部呼吸运动明显的区域分别选取为两个感兴趣区域。
7.如权利要求4所述一种非接触式呼吸暂停检测方法,其特征在于:步骤e的具体方法为:用thrn表示第n帧的阈值,InROI表示第n帧图像感兴趣区域的亮度值,则应用于第n+1帧图像的阈值thrn+1计算公式如下:
thrn+1=β·thrn+(1-β)InROI
其中,β为经验系数,决定thrn和InROI的权重系数,β与阈值的变化率成反比;最初,系统处于呼吸正常状态,即当前帧计算得到的感兴趣区域的亮度值大于对应帧的阈值;若InROI低于阈值thrn,则系统状态变为中间状态;若动态阈值连续超过后续帧的亮度值,则此时进入呼吸异常状态。
8.如权利要求3所述一种非接触式呼吸暂停检测方法,其特征在于:步骤f中,当胸部和腹部同时运动时,被检者为正常呼吸状态;若只有胸部停止运动而腹部动作以及胸腹部同时停止运动,则被检者为呼吸异常状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010357492.5A CN111544001A (zh) | 2020-04-29 | 2020-04-29 | 一种非接触式呼吸暂停检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010357492.5A CN111544001A (zh) | 2020-04-29 | 2020-04-29 | 一种非接触式呼吸暂停检测装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111544001A true CN111544001A (zh) | 2020-08-18 |
Family
ID=71996532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010357492.5A Pending CN111544001A (zh) | 2020-04-29 | 2020-04-29 | 一种非接触式呼吸暂停检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111544001A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113940626A (zh) * | 2021-09-01 | 2022-01-18 | 森思泰克河北科技有限公司 | 呼吸暂停检测方法、检测设备及存储介质 |
CN114451864A (zh) * | 2021-04-08 | 2022-05-10 | 深圳市迈迪加科技发展有限公司 | 呼吸运动信息确定方法、设备及系统 |
CN114596279A (zh) * | 2022-03-08 | 2022-06-07 | 江苏省人民医院(南京医科大学第一附属医院) | 一种基于计算机视觉的非接触式呼吸检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869144A (zh) * | 2016-03-21 | 2016-08-17 | 常州大学 | 一种基于深度图像数据的非接触式呼吸监测方法 |
CN107616795A (zh) * | 2017-08-17 | 2018-01-23 | 华东师范大学 | 一种基于摄像头的非接触式实时呼吸率检测方法 |
-
2020
- 2020-04-29 CN CN202010357492.5A patent/CN111544001A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869144A (zh) * | 2016-03-21 | 2016-08-17 | 常州大学 | 一种基于深度图像数据的非接触式呼吸监测方法 |
CN107616795A (zh) * | 2017-08-17 | 2018-01-23 | 华东师范大学 | 一种基于摄像头的非接触式实时呼吸率检测方法 |
Non-Patent Citations (8)
Title |
---|
ALI AL-NAJI,等: "Real Time Apnoea Monitoring of Children Using the Microsoft Kinect Sensor: A Pilot Study", 《SENSORS》 * |
HAO-YU WU,等: "Eulerian Video Magnification for Revealing Subtle Changes in the World", 《ACM TRANS》 * |
ISAO SATO,等: "Non-contact respiration monitoring system using fiber grating sensor", 《PROCEEDINGS OF THE SOCIETY OF PHOTO-OPTICAL INSTRUMENTATION ENGINEERS 》 * |
SHASHANK SHARMA,等: "Automated Detection of Newborn Sleep Apnea Using Video Monitoring System", 《IEEE》 * |
刘赏,等: "《计算机图像和视频处理实验教程》", 30 September 2014, 中国铁道出版社 * |
祁富贵,等: "一种非接触呼吸暂停检测技术的研究", 《中国医疗设备》 * |
闫永强: "用于睡眠监测的非接触式呼吸测量方法", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
雷冬,等: "《基于数字图像相关的材料和结构变形及破坏力学测试》", 30 November 2016, 河海大学出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114451864A (zh) * | 2021-04-08 | 2022-05-10 | 深圳市迈迪加科技发展有限公司 | 呼吸运动信息确定方法、设备及系统 |
CN113940626A (zh) * | 2021-09-01 | 2022-01-18 | 森思泰克河北科技有限公司 | 呼吸暂停检测方法、检测设备及存储介质 |
CN113940626B (zh) * | 2021-09-01 | 2023-12-05 | 森思泰克河北科技有限公司 | 呼吸暂停检测方法、检测设备及存储介质 |
CN114596279A (zh) * | 2022-03-08 | 2022-06-07 | 江苏省人民医院(南京医科大学第一附属医院) | 一种基于计算机视觉的非接触式呼吸检测方法 |
CN114596279B (zh) * | 2022-03-08 | 2023-09-22 | 江苏省人民医院(南京医科大学第一附属医院) | 一种基于计算机视觉的非接触式呼吸检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108272448B (zh) | 一种非接触式的婴儿生理参数昼夜监护方法 | |
US10952683B2 (en) | Method and apparatus for estimating breathing rate | |
CN111544001A (zh) | 一种非接触式呼吸暂停检测装置及方法 | |
Jorge et al. | Non-contact monitoring of respiration in the neonatal intensive care unit | |
US9336594B2 (en) | Cardiac pulse rate estimation from source video data | |
CN105813562B (zh) | 睡眠监测系统和方法 | |
CN112806966B (zh) | 一种非干扰式睡眠中呼吸暂停预警系统 | |
US20090247837A1 (en) | System And Method For Diagnosing Sleep Apnea | |
Yu et al. | Noncontact monitoring of heart rate and heart rate variability in geriatric patients using photoplethysmography imaging | |
Al-Naji et al. | Simultaneous tracking of cardiorespiratory signals for multiple persons using a machine vision system with noise artifact removal | |
CN111387959A (zh) | 一种基于ippg的非接触式生理参数检测方法 | |
JP6620999B2 (ja) | 生体情報計測装置、生体情報計測プログラム、及び生体情報計測方法 | |
Cattani et al. | A wire-free, non-invasive, low-cost video processing-based approach to neonatal apnoea detection | |
US10806353B2 (en) | Method, information processing apparatus and server for determining a physiological parameter of an individual | |
Chen et al. | Non-contact heart rate monitoring in neonatal intensive care unit using RGB camera | |
Massaroni et al. | Comparison of two methods for estimating respiratory waveforms from videos without contact | |
KR102150635B1 (ko) | 비전 기반 심박수 측정 방법 | |
Sugita et al. | Noise reduction technique for single-color video plethysmography using singular spectrum analysis | |
Moya-Albor et al. | Heart rate estimation using Hermite transform video magnification and deep learning | |
CN114998229B (zh) | 一种基于深度学习与多参数融合的非接触式睡眠监测方法 | |
CN114331998A (zh) | 非接触式的心肺耦合评价方法 | |
Suriani et al. | Non-contact Facial based Vital Sign Estimation using Convolutional Neural Network Approach | |
CN113693573B (zh) | 一种基于视频的非接触式多生理参数监测的系统及方法 | |
Maji et al. | Contactless heart rate monitoring using A standard RGB camera | |
KR102276614B1 (ko) | 비접촉식 생체신호 측정 방법 및 장치와 이를 이용하는 의류 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |